【技術實現步驟摘要】
本專利技術屬于白板一體機控制，具體涉及一種電子白板一體機的溫度異常控制方法及系統。
技術介紹
1、現有的電子白板一體機通常依賴簡單的溫度傳感器和固定的閾值設定來監控設備內部溫度。當溫度超過某一固定閾值時，系統會采取相應的措施如降低亮度或斷電。然而，這種固定閾值的控制方式缺乏靈活性，無法提前預測溫度變化趨勢，也無法對不同區域的溫度異常做出精準地控制，容易導致設備過熱或不必要的整體斷電。
技術實現思路
1、為解決現有技術中存在的上述問題，本專利技術提供了一種電子白板一體機的溫度異常控制方法及系統，
2、本專利技術的目的可以通過以下技術方案實現：
3、獲取白板一體機的歷史溫度數據和歷史環境數據，根據所述歷史溫度數據和所述歷史環境數據添加時間戳得到時序歷史溫度數據和時序歷史環境數據，根據所述時序歷史溫度數據和所述時序歷史環境數據構建模型訓練數據集，獲取初始預測模型，根據所述模型訓練數據集對所述初始預測模型進行模型訓練得到溫度預測模型；
4、通過溫度傳感器組采集所述白板一體機的實時溫度數據和實時環境數據，根據所述實時溫度數據和所述實時環境數據添加時間戳得到時序實時溫度數據和時序實時環境數據，根據所述時序實時溫度數據和時序實時環境數據構建實時溫度數據集和時序實時環境數據集；
5、獲取初始溫度閾值，根據所述時序實時溫度數據集和所述時序實時環境數據集通過預處理模型計算得到歸一化預測數據集，根據所述歸一化預測數據集通過預測診斷模型計算得到預測時長，根據
6、獲取分區溫度閾值，通過所述溫度傳感器組獲取分區溫度和當前溫度，根據所述分區溫度、所述當前溫度、所述分區溫度閾值、所述次級溫度閾值通過診斷模型計算得到異常診斷結果，智能終端根據所述異常診斷結果進行異常響應。
7、具體地，所述根據所述模型訓練數據集對所述初始預測模型進行模型訓練得到溫度預測模型包括：
8、s201：將所述訓練數據集根據所述時間戳進行劃分得到預測集和測試集，根據所述預測集通過最大最小值歸一化算法計算得到歸一化數據集；
9、s202：根據所述歸一化數據集通過所述初始預測模型計算得到初始預測溫度數據，將所述初始預測溫度數據進行集合得到初始預測溫度集；
10、s203：根據所述預測溫度集和所述測試集計算評價指標，根據所述評價指標對所述初始預測模型進行超參數修正得到所述溫度預測模型。
11、具體地，所述預處理模型具體計算步驟為：
12、s301：根據所述時序實時溫度數據集和所述時序實時環境數據集計算平均溫度集和平均環境數據集；
13、s302：根據時間序列將所述平均溫度集和所述平均環境數據集進行拼接得到預測數據集；
14、s303：將所述預測數據集通過所述最大最小值歸一化算法得到所述歸一化預測數據集。
15、具體地，所述s301具體步驟為：
16、s301-1：根據所述實時溫度數據集選取第一溫度數據、第二溫度數據、第三溫度數據；所述第一溫度數據、所述第二溫度數據、所述第三溫度數據為時間上連續的三個溫度數據值；
17、s301-2：根據所述時序實時環境數據集選取第一環境數據、第二環境數據、第三環境數據；所述第一環境數據、所述第二環境數據、所述第三環境數據為時間上連續的三個溫度數據值；
18、s301-3：根據所述第一溫度數據、所述第二溫度數據、所述第三溫度數據進行平均值計算得到平均溫度數據，將所述平均溫度數據按照時間順序進行排列組合得到所述平均溫度集；
19、s301-4：根據所述第一環境數據、所述第二環境數據、所述第三環境數據進行平均值計算得到平均環境數據，將所述平均環境數據按照時間順序進行排列組合得到所述平均環境數據集。
20、具體地，所述預測診斷模型包括所述溫度預測模型，具體計算步驟為：
21、s401：預設滑動窗口，根據所述滑動窗口對所述歸一化預測數據集進行截取得到預測分集，根據所述預測分集通過所述溫度預測模型計算得到第一預測溫度；
22、s402：對所述第一預測溫度進行判斷，若所述第一預測溫度大于所述第一初始溫度閾值，則執行s403；若所述第一預測溫度小于所述第一初始溫度閾值，使所述滑動窗口以預設方向移動一個點位，并執行步驟s401；
23、s403：根據歸一化預測數據集長度、滑動窗口移動次數、所述時間粒度計算所述預測時長。
24、具體地，所述根據所述預測時長對所述初始溫度閾值進行調整得到次級溫度閾值，具體為：
25、獲取比對閾值和調整閾值，將所述預測時長與所述比對閾值進行比較，若所述預測時長大于所述比對閾值，則所述次級溫度閾值等于所述初始溫度閾值；若所述預測時長小于所述比對閾值，則所述次級溫度閾值等于所述初始溫度閾值減去所述調整閾值。
26、具體地，所述診斷模型具體計算步驟為：
27、s501：根據所述分區溫度閾值對所述分區溫度進行判斷，若所述分區溫度大于所述分區溫度閾值，則輸出第三診斷結果；若所述分區溫度小于所述分區溫度閾值，則執行步驟s502；
28、s502：根據所述第三次級溫度閾值對所述當前溫度進行判斷，若所述當前溫度大于所述第三次級溫度閾值，則輸出第三診斷結果；若所述當前溫度小于所述第三次級溫度閾值，則執行步驟s503；
29、s503：根據所述第二次級溫度閾值對所述當前溫度進行判斷，若所述當前溫度大于所述第二次級溫度閾值，則輸出第二診斷結果；若所述當前溫度小于所述第二次級溫度閾值，則執行步驟s504；
30、s504：根據所述第一次級溫度閾值對所述當前溫度進行判斷，若所述當前溫度大于所述第一次級溫度閾值，則輸出第一診斷結果；若所述當前溫度小于所述第一次級溫度閾值，則不進行輸出。
31、具體地，所述溫度預測模型計算步驟為：
32、s601：根據所述預測分集進行最大最小值歸一化處理得到預處理預測分集；
33、s602：根據所述預處理預測分集通過cnn單元進行特征提取得到特征數據；
34、s603：根據所述特征數據通過所述gru單元進行特征擴展得到時空特征矩陣；
35、s604：根據所述時空特征矩陣通過conv1d進行提取得到時序關系，根據所述時序關系通過時間注意力機制計算得到權重矩陣；
36、s605：根據所述時空特征矩陣和所述權重矩陣通過輸出層進行計算得到所述第一預測溫度。
37、具體地，根據所述時序歷史溫度數據和所述時序歷史環境數據構建模型訓練數據集包括根據所述時間戳將所述時序歷史溫度數據和所述時序歷史環境數據進行并行拼接得到訓練數據，將每個所述訓練數據進行集合得到所述訓練數據集。
38、具體地，所述溫度預測模型包括cnn單元、gru單元、ita單元、全連接層，所述cnn本文檔來自技高網...
【技術保護點】
1.一種電子白板一體機的溫度異常控制方法，其特征在于，包括：
2.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述根據所述模型訓練數據集對所述初始預測模型進行模型訓練得到溫度預測模型包括：
3.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述預處理模型具體計算步驟為：
4.根據權利要求3所述的電子白板一體機的溫度異常控制方法，其特征在于，所述S301具體步驟為：
5.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述預測診斷模型包括所述溫度預測模型，具體計算步驟為：
6.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述根據所述預測時長對所述初始溫度閾值進行調整得到次級溫度閾值，具體為：
7.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述診斷模型具體計算步驟為：
8.根據權利要求5所述的電子白板一體機的溫度異常控制方法，其特征在于，所述溫度預測模型計算步驟為：
9.根據權利要求1
10.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述溫度預測模型包括CNN單元、GRU單元、ITA單元、全連接層，所述CNN單元由三個CNN通道組成，所述GRU單元由兩個GRU網絡組成，ITA單元由Conv1D和時間注意力機制組成。
11.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述歷史環境數據包括歷史室外溫度、歷史室內溫度、歷史濕度。
12.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述時間粒度為一分鐘。
13.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述預測時長包括第一預測時長、第二預測時長、第三預測時長。
14.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述異常診斷結果包括第一診斷結果、第二診斷結果、第三診斷結果。
15.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述次級溫度閾值包括第一次級溫度閾值、第二次級溫度閾值、第三次級溫度閾值。
16.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述初始溫度閾值包括第一初始溫度閾值、第二初始溫度閾值、第三初始溫度閾值。
17.根據權利要求2所述的電子白板一體機的溫度異常控制方法，其特征在于，所述評價指標包括均方誤差、平均絕對誤差、確定系數。
18.一種電子白板一體機的溫度異常控制系統，其特征在于，包括：模型訓練模塊、數據采集模塊、數據處理模塊、響應模塊；
19.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-17中任一所述的電子白板一體機的溫度異常控制方法。
20.一種包含計算機可執行指令的存儲介質，其特征在于，所述計算機可執行指令在由計算機處理器執行時用于執行如權利要求1-17中任一所述的電子白板一體機的溫度異常控制方法。
...【技術特征摘要】
1.一種電子白板一體機的溫度異常控制方法，其特征在于，包括：
2.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述根據所述模型訓練數據集對所述初始預測模型進行模型訓練得到溫度預測模型包括：
3.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述預處理模型具體計算步驟為：
4.根據權利要求3所述的電子白板一體機的溫度異常控制方法，其特征在于，所述s301具體步驟為：
5.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述預測診斷模型包括所述溫度預測模型，具體計算步驟為：
6.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述根據所述預測時長對所述初始溫度閾值進行調整得到次級溫度閾值，具體為：
7.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述診斷模型具體計算步驟為：
8.根據權利要求5所述的電子白板一體機的溫度異常控制方法，其特征在于，所述溫度預測模型計算步驟為：
9.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，根據所述時序歷史溫度數據和所述時序歷史環境數據構建模型訓練數據集包括根據所述時間戳將所述時序歷史溫度數據和所述時序歷史環境數據進行并行拼接得到訓練數據，將每個所述訓練數據進行集合得到所述訓練數據集。
10.根據權利要求1所述的電子白板一體機的溫度異常控制方法，其特征在于，所述溫度預測模型包括cnn單元、gru單元、ita單元、全連接層，所述cnn單元由三個cnn通道組成，所述gru單元由兩個gru網絡組成，ita單元由conv1d和時間注意力機制組成。...
【專利技術屬性】
技術研發人員：柒強，黎小輝，劉宗林，
申請(專利權)人：廣州朗國電子科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。